怎么写一个「给项目用的」AI Skill?从提示词到可复用工程模板
上个月发了 Skill #3(AI 回归测试)后,后台收到不少类似的问题:
"提示词写得挺好,但放我项目里怎么改?"
"一个 Skill 好几个文件,有没有标准结构?"
"团队里怎么交接?新人拿到手直接能跑吗?"
最典型的是读者小Y:他照着网上的提示词把登录流程跑通了,结果一换测试环境,提示词里写死的 URL 和账号全废了,又回来问我怎么迁移。
这些问题其实指向同一件事:把「一段好用的提示词」升级成「一个可交接、可复用、可迭代的工程资产」。
今天这篇文章,我把过去几个月封装十几个 Skill 的经验,整理成一个通用方法论。文末会给你一个空白模板,套到任何项目里都能用。
一、先定义:什么是「给项目用的」Skill?
不是会写提示词就叫 Skill。
我自己把 Skill 分三级:
prompt.md | |||
只有 L3 才算「给项目用的 Skill」。 这篇文章讲的就是怎么把 L1/L2 升级到 L3。
二、L3 Skill 的四个判定标准
在你动手封装之前,先用这四条卡一下:
① 有明确的输入输出
不是「帮我测一下」这种模糊目标,而是:
输入:Bug 描述 + 复现账号 Cookie + 期望行为 输出:回归结论文本 + 是否通过
输入输出定死了,Skill 才不会「看心情发挥」。
② 配置和逻辑分离
URL、账号、选择器、模型参数,全部抽到 config.py 或 config.yaml。同一套 Skill,A 项目改三行配置就能跑,B 项目改另外三行也能跑。
③ 自带「调用说明书」
不是只给人看,而是给 AI Agent 看。我习惯写一个 skill.yaml,里面写清楚:
这个 Skill 解决什么问题 需要什么参数 执行步骤是什么 每一步调用哪个脚本
这样无论是 Trae、Claude Code 还是你自己写的 Agent,都能直接读这个说明书来调用。
④ 有最小可运行示例
新人第一次用,不应该先读完整文档。给他一个 examples/ 目录,里面是一个能直接跑的最小案例。跑通了,再回来看完整结构。
三、通用工程结构:五个文件定天下
我现在的 Skill 都用同一套骨架,不论功能是回归测试、代码审查还是配置生成:
skill_template/
├── README.md # 3 分钟跑通 + 复用指南
├── skill.yaml # AI Agent 调用说明书
├── prompt_template.md # 给 LLM 看的标准提示词
├── config.py # 项目相关配置(URL、账号、模型参数)
├── main.py # Skill 入口:读取输入 → 调 LLM → 输出结果
├── run.sh # 一键运行脚本
└── examples/# 最小可运行示例
└── demo_01/
├── input.json
└── expected_output.txt这五个核心文件的分工很明确:
skill.yaml | ||
prompt_template.md | ||
config.py | ||
main.py | ||
examples/ |
四、案例拆解:Skill #3 为什么能直接抄?
7 月 8 号那篇《AI 回归测试能自动关单吗?》里的 Skill #3,就是按上面这个骨架封装的。拆开来看:
skill.yaml 定义了调用契约:
yaml name:ai_regression_test
descr…